辛巴被曝“售假”600万背后，品牌授权生意有多“吸金”? 大模型的号角已在数据分析市场吹响下篇

辛巴被曝“售假”600万背后，品牌授权生意有多“吸金”? 大模型的号角已在数据分析市场吹响下篇， 

辛巴被曝“售假”600万背后，品牌授权生意有多“吸金”?

近日，#辛巴售卖假货瑜伽裤一晚销售额超600万#、#YPL回应辛巴旗下主播卖假货#、#YPL再回应辛巴一夜售假600万#、#辛选称所售瑜伽裤不属于假货#多个话题登上热搜，再次将网红主播辛巴和他的团队推上了舆论的风口浪尖。

然而在争议中，辛巴公司和“品牌方”数个回合的各执一词，晒材料，让事情的真相愈发扑朔迷离，陷入罗生门，到底谁才是“正品”，难道都是“正品”？

从最新的回应来看，问题或许出在商标授权上。

“贴牌”在当下早已不是什么新鲜事，靠“商标授权”做着几乎“无本万利”生意的品牌有不少。不过，随着新零售模式的出现以及“贴牌”导致的品牌美誉度下降，“商标授权”的生意似乎也进入了红海阶段。

一夜销售额超600万却是“假货”？

4月18日，辛巴和旗下主播“蛋蛋”在网络直播间，现身带货了一款名为“YPL防晒凉感裤”的产品。有消费者下单后发现YPL品牌官方并无这款产品，质疑辛巴售卖假货。

22日，澳大利亚YPL通过其官方蓝V微博号“YPL运动潮品”声明称，辛巴方面所售产品不属于YPL发售品类范畴，相关经销公司以及生产公司，均非YPL正规经销生产渠道，无YPL品牌营销、授权使用、产品生产销售等资格。

根据相关数据，该产品直播间售价63元，已售数量超过10万件，销售金额超过600万元。

“YPL运动潮品”表示，考虑该产品销售数量、金额巨大，YPL 将依法对该产品经销公司，生产公司进行追责，并通过法律手段维护自身正当权益。同时，针对线上销售，YPL有权对相关产品链接、店铺、主播等进行同步追责。

对此，辛选方面则表示，YPL商标的原持有人为澳大利亚健康产业有限公司，哈尔滨澳生源贸易有限公司于2021年1月1日获得澳大利亚健康产业有限公司的授权，授权期限为2021年1月1日至2026年12月31日，并可转让授权。

今年4月，原商标持有人澳大利亚健康产业有限公司申请将商标转让给澳大利亚YPL有限公司后，因双方在转让前后就授权第三方使用商标已存在争议，因此出现商标受让方称直播间所推广产品“不属YPL品牌旗下产品”的说法。

商标疑云：“YPL运动潮品”和澳生源，谁拥有正版？

尽管澳生源声称持有国际分类中25类服装鞋帽的“YPL”商标，但该商标与澳大利亚YPL商标并不一致。

有企业信息查询平台显示，澳生源在25类服装鞋帽中共申请过三个“YPL”商标，目前两个变体商标处于无效和申请状态，唯一一个显示“已注册”的“YPL”也与澳大利亚YPL所持商标图案不一致。澳生源唯一一个与澳大利亚YPL相同的商标，却是属于24类的布料床单，并且显示无效。

天眼查显示，哈尔滨市澳生源贸易有限公司的法定代表人为盛爱琴。2021年，该公司投资的广州市澳买信息科技有限公司因登记的住所或经营场所无法联系而被列入企业经营异常名录。

另，抖音平台上此前发声力挺辛选的“YPL运动旗舰店”，目前删除了相关声明。该账号注册公司为深圳莎多拉贸易有限公司，旗下并无“YPL”相关商标注册，且其在今年3月7日因“通过登记的住所或经营场所无法联系”，而被列为“经营异常”状态。

而此次事件中，双方材料均出现的澳大利亚健康产业有限公司在国内多个企业信息查询平台均无法查阅到相关信息。

就在扑朔迷离之时，“YPL运动潮品”微博号在23日晚间发布最新声明称，因此事涉及的商标授权争议，目前已妥善解决。对由此给相关公司、广大网友以及辛有志带来的影响表示歉意。

品牌授权在服装化妆品等行业风行

从双方的最新回应来看，此次辛巴“售假”风波或许出在品牌授权上。

“贴牌”在当下早已不是什么新鲜事，靠“商标授权”做着几乎“无本万利”生意的品牌有不少。

此前，大家耳熟能详的Nautica、Forever21、BrooksBrothers等知名服装品牌的母公司“ABG”一度打算在纳斯达克上市。

值得注意的是，ABG既不生产、也不销售服装，而是靠收购、改造和运营品牌，通过超过800家合作伙伴将品牌知识产权IP转化为可见的营业收入。ABG披露的财务数据显示，2020年全年收入达到4.89亿美元，年均增长率7.6%，旗下管理的品牌超过32个。

在国际市场上，品牌管理这一细分赛道中仅存在为数不多的对标企业和上市公司，包括IconixBrandGroup、WHPGlobal、SequentialBrandsGroup等，现有市值皆不低。

值得一提的是，ABG管理的很多品牌都是通过收购此前经营不善的公司并对其进行重新改造和管理，这无疑给国内诸多经营并不景气的服装品牌提供了另一种思路。

国内A股中，能与ABG商业模式对标的，仅有南极电商，而后者估值约300亿元。

根据公开的资料，南极人是成立于上个世纪的内衣企业。但是2008年起，南极人开始了企业的转型之路，不要工厂和经销商，只做“商标授权”的生意。而2010年12月28日，南极人推出“NGTT”共同体商业模式，致力于建立电商生态综合服务体系。2015年借壳江苏新民科技上市，股市简称“南极电商”。

南极人把这个毛利润达到90%以上的“商标授权”的生意做到了极致，仅2020年，南极电商主营的品牌授权及综合服务业务收入合计为13.27亿元，占到了该公司当年全部收入的约1/3。

在电商平台搜索可以发现，不仅是保暖内衣，网上还能搜索到南极人的窗帘、羽绒服、床上用品，甚至有吸奶器、迷你洗衣机、电动按摩椅以及桌子等等，似乎“万物皆可南极人”。

纺织行业很多老牌国产品牌，也早已走上这条路。一些商家表示，每年只需要支付几万元的品牌使用费，再按照销售数量付费使用吊牌，其余授权商基本不再过问。而有一些行业细分中 品牌的使用费甚至可以低到万元以下。

在一些品牌授权网站上，一些老一辈人曾经耳熟能详的名牌也位列其中，如皮尔·卡丹、PLAYBOY、卡帝乐鳄鱼等。“贴牌”所涉及商品种类以服装为主，此外还涉及鞋配饰箱包、日用百货、母婴童装到家纺产品不等。

目前这股“贴牌风”也在化妆品、保健品、食品、小家电行业风行。其中，仁和的化妆品和保健品、修正的化妆品以及九阳、飞利浦部分小家电也已采取这一模式。

新零售模式下“贴牌”生意难做了

贴牌是不是一项好生意？从南极电商一路走来的历程看，此前这确实是一门“无本万利”的好生意。2015年借壳当年，南极电商实现营业收入3.89亿元，净利润1.72亿元。到2020年，公司实现营业收入41.72亿元，净利润11.88亿元。五年营业收入翻了近9.5倍，净利润翻了近6倍。

根据南极电商2020年财报，其品牌综合服务业务的毛利率达到93.26%，经销商品牌授权业务毛利率为94.37%，而同一时期的“货品销售”毛利率仅有1.17%。“贴牌”业务的利润可见一斑。

但是，随着市场的变化，“贴牌”的赛道已经成了一片红海。这些贴牌产品大多都只在电商平台上销售。同一电商平台上同类目的同品牌“贴牌”店铺已经饱和，有的平台甚至无法再审核通过在某一类目下要新开某一“贴牌”的品牌店。

近些年，一些品牌授权企业疏于对“贴牌”企业的严格把控，质量问题频发。其中，在过去几年中，南极人品牌多次因质量或抽检存在问题上了监管部门或消协组织的黑榜，这样品牌的声誉大受影响。在消费者心中，对这类“贴牌”品牌的好感度也会大大降低。

除了质量和品牌口碑的风险外，分析人士表示，市场环境的变化也让“贴牌”生意越来越难做。在新零售的模式下，供应链型企业话语权增加，加上消费者购物模式的变化，对于生产型企业来说，用品牌来支撑销售已经不再是唯一选择。有更多的企业选择新营销模式来“自己挣钱”，其中S2B2C模式，最为突出。这一模式也就是大供货商组织货源，渠道商成为桥梁，上接大供货商，下接顾客，完成商品流通和用户需求反馈的循环。在这一模式下，商家甚至可以完成对消费者的定制化服务和商品。

这也难怪昔日“商标授权”大王的日子也不太好过。根据南极电商2021年中报显示，公司在今年上半年主营收入16.61亿元，同比上升2.15%；归母净利润为2.46亿元，同比下降42.85%。在这之前的2020年第四季度，其净利润已经出现了明显下滑，从2019年同期的5.82亿元，下降到了4.43亿元。

上游新闻综合自中新网、证券日报、北京青年报、新浪财经

发布于：重庆


大模型的号角已在数据分析市场吹响下篇

接上回，复旦大学大数据学院与高等学术研究院副院长、上海市数据科学重点实验室副主任阳德青，上海市大数据股份有限公司高级产品经理、DAMA中国认证首席数据官汪科科，以及来自观远数据、Datafocus、北极九章、思迈特Smartbi的演讲嘉宾分别结合自己的行业经验为大家分享了大模型在数据治理与数据分析行业的落地场景。

下半场，我们邀请到天津海量信息副总裁杨智炜、澜码科技创始人兼CEO周健、数势科技CTO韩秀锋、北极九章合伙人兼首席布道师沙海洲以及DataFocus创始人兼产品经理王碧波同台交流。当AI遇见BI，二者将如何对话？以下是

圆桌摘录，内容较长，建议收藏：

01 八仙过海，各显神通

杨巍：今天现场成立最早的公司是天津海量信息，是一家处理非结构化数据起家的公司，请问你们是从什么时候、因什么机缘进入数据中台以及结构化数据的市场？

▲ 杨 巍

杨智炜：天津海量成立得比较早，1999年就成立了，和百度算是同期。我们当时也做搜索引擎，不过是为企业级客户做，核心技术是中文分词。该技术服务过腾讯、阿里以及海外等多家企业。后来围绕该技术衍生出很多服务应用，比如智能采集、智能审核等服务，但我们的技术底层始终围绕大数据板块。大数据平台最早是团队在2005年前后开始搭建，一直到今天已经迭代到第五代。伴随着AI技术的出现，我们也试着将AI结合我们自身的大数据架构层层嵌入，来支撑我们一直在做的事情，能够更智能化地为客户服务。

▲ 杨智炜

杨巍：台上企业成立第二久的是DataFocus，成立于2014年。在你们公司网站上有一句话叫，太多的工程师、太多的企业日夜与数据库打交道，他们甚至忘了SQL是一种极其小众的语言。当下，大语言模型生成机器语言的能力应该说已经被证实了，请问王总您认为DataFocus的解决方案是暂时领先的、大模型更新后或将很好地写出小众的机器语言，还是说即使在目前大模型的架构下，在相对长的一段时间里，你们都有不可替代的优势？

王碧波：哈哈，这个问题非常直接，也感谢杨老师能够看到我们很早之前写的这样一句话。我们对大模型的能力也有第一时间的感知，BERT、T5模型的时候就已经关注了。我觉得这么多年以来，幻觉是大模型技术根本性的问题，是很难消除的。假定说它没有幻觉，它可能也就没有创新能力了，就像是一体两面，你不能指望它既有创造力，又什么错都不犯。总体来说，我们可以期待下一代模型准确率会继续提高，幻觉现象会减弱，但要想让它完全杜绝这个问题短期内是不可能的，所以目前来看我们的路线仍然是未来比较靠谱的。

▲ 王碧波

杨巍：好的，谢谢。时间来到2018年，北极九章成立了。北极九章最早成立的时候有一个口号，把增强型数据分析最早带入中国。增强型分析听起来也在讲AI和数据分析的结合，所以我想请教一下，增强型数据分析和大模型驱动的数据分析的根本区别在哪里？大模型技术的哪些部分可能是对之前增强型数据分析的颠覆，或是更好的技术实现？

沙海洲：2018年那会儿大家都在卷敏捷BI、dashboard，我们就已经想做这么一件事情，但是没有想好如何定义。然后我们在Gartner那边遇到了“增强型分析”这个概念，于是就借用它引进中国。其实增强是一个泛化的概念，我们只是希望能够整体改变大家现有的和数据交互的方式跟整个工作流。而我们所做的增强型分析也并不意味着和大模型数据分析泾渭分明，我们会把包括大模型在内的多种技术，根据它们适合的场景，作为产品的功能模块，迭代到产品上，从效果上客户受益是我们的终极目的。

▲ 沙海洲

杨巍： Gartner对toB的信息服务行业确实有很大影响，这次有好几位参会的嘉宾网站上都直接引用了Gartner的某句话或某个概念。时间再后移两年，数势科技成立了。数势科技的主要产品是指标体系，韩总能不能简单介绍一下指标体系和BI是什么关系、有什么区别？

韩秀锋：数势科技是2020年成立的，创始团队也都是百度和京东的背景。我个人是在2023年加入的，原先在百度做AI技术的场景落地，所以对AI技术产品化解决场景问题的领域有比较多的经验。数势科技在做企业数字化转型的过程中发现企业数据价值化的关键在于要让数仓里面的结构化和非结构化数据真正服务好企业各个场景的实践。我们的产品也围绕这个核心问题不断地聚焦和收敛，最终选定了做企业数仓虚拟化的产品，在刚才的技术曲线里面属于HeadlessBI（无头 BI）的技术路径。也就是说，通过技术化的思路，自下而上地把业务的场景化语言、领域型语言与技术解耦，使得研发是研发，业务是业务。22年底、23年初，也被称为大模型元年，我们看到了agent，看到了数据价值和大模型结合的机会，于是进一步让数据和价值普惠化，迭代了我们的产品。

▲ 韩秀锋

杨巍：好的谢谢。又过了三年，澜码就成立了，可以说是大模型原生的企业。澜码的口号是人人都能设计自己的AI Agent。今天除了周总之外，其他公司都是搞BI，那么请问Agent对BI究竟有什么样的作用？

周健：在企业服务行业里，AI Agent其实最早不叫Agent。Gartner在2021年提出，企业业务未来将发展为Composable，即业务是可拆解的、可组装的，并提出一个能力“packaged business capabilities”，即封装好的业务能力。换言之，我们可以通过RPA调用不同的应用，可以通过数据库中获取数据，可以通过BI或者机器学习获得洞察等等，这些能力组装起来就能变成各种各样的Agent。Agent可以算是一个新时代的软件产物，但解决的并不是上一代系统与系统之间的连接，而是赋能人和系统之间的连接。在我们做编排和自动化的过程中，很重要的一环就是对需求端的理解。我们经常说只吃第三个包子饱不了，所以我们为了吃第三个包子，还是要把前面第一个可能是RAG，第二个可能是数据分析，随后可能是和API相关的func call能力等等都吃到肚子里。到了现在这个阶段，我们觉得Agent已经可以和其他传统PAAS包括BI厂商一起合作，共同服务用户，帮助用户编排他们想要完成的任务，BI更着重解决需求理解这一侧。

▲ 周健

02 大模型浪潮下的BI市场

杨巍：接下来我有几个问题与大家一起讨论，每个问题想请两位嘉宾来回答。首先想请北极九章和Datafocus的两位结合你们业务落地时候的真实情况与我们分享一下，在大模型技术出现前后，BI最终用户的角色和身份有没有变化？

王碧波：大模型出来之后，用户明显下沉，没有太多技术基础的人反而受益最大。原先他明白自己干不了这些事，之前的做法可能是直接找IT人员帮我，如果IT做不了，那我干脆就不干了，所以有大量需求还没有被释放出来。现在当团队引入这样的产品后，门槛降低，业务人员就有机会慢慢参与这件事。

杨巍：那请问沙总，您觉得按照Datafocus这位嘉宾的说法，数据分析师这个职位会不会从体制中消失？

沙海洲：我觉得我们在座各位的目的都不是要干掉现在的分析师，国内最大的问题是我没有足够多的分析师。数据分析师的概念大约十年前才在中国兴起，截止目前总数是远远不够的。当企业招不到足够的数据分析从业者怎么办？我们觉得可以通过工具来弥补，让普通的业务人员得到技术的赋能。

韩秀锋：我想补充一个实际案例。我们最近和国内餐饮top10的品牌书亦烧仙草合作，虽然他们阐述数据的需求在整个场景里优先级是比较高的，但几乎所有的店长和区域督导都不会使用传统BI工具，总部只能通过巡店去看各门店的经营数据。后来接入我们的产品后，就很好地帮助他们这部分的数据价值落地了。所以在数字智能时代，数据的消费市场必然是在不断扩大的。同时，数据分析师、数据工程师等数据的生产者其实也需要不断把企业知识能力进一步加工，让企业知识和数字人或是Agent相结合，与其说是替代，不如说是数据行业角色工作的内容和方式在转变。

杨巍：谢谢补充，刚好下一个问题我也是想请教您和Datafocus。Datafocus说他们的方案可以极大地简化指标体系，我想听听您对此的评价。

韩秀锋：其实当下结合我们对客户的服务实践来看，最具落地性的还是指标平台加ChatBI的模式。在数据消费环节，我们通过ChatBI的方式把原先数据使用的门槛降低，一次性交互即可完成数据生产。同时我们强调企业整个数据的模型构建与业务领域知识全管理等等耦合在一起，构建过程与企业的复杂度、数据的量级都强相关，而且这个模型抽象化的质量也决定了后面它能不能迭代进化。因为数据治理或者数据积累很多都是越治越乱，需要不断在新的平台上迭代。当然，各有各的路线选择，路线也和企业具体的目标客户和群体行业相关。

杨巍：那我想请教王总，您觉得在数势科技描述的数据非常复杂的情况下，你们的技术路线如何简化他们的指标系统？

王碧波：其实我整体比较赞成刚才韩总的观点，Datafocus的产品目的也是从技术上简化指标体系的构建。当然，市场上有许多企业大多数人对数据的要求都不明确，大家懒得提问或者压根不知道该如何提问，这都是非常现实的问题，只不过Datafocus不做个性化定制的业务。

杨巍：我理解的王总的意思是指标体系既是一个真实的需求，也是一个很好的商业模式，我想接着请教海量科技和北极九章有关商业模式的问题。我看了两位的官网，海量的网站上没有产品中心这个板块，只有应用中心，里面介绍了很多场景和能力；北极九章相反，只有产品中心和客户实际的产品应用案例。所以我想请教二位，大模型驱动的BI在实际的商业模式中，产品化和定制化你们是如何取舍的？

杨智炜：我延续前面指标的话题来说，因为我们现在很多数字化工作也是围绕企业的各项指标来实践，我认为指标大致可以分为几种类型，一种是计划性指标，这部分是围绕着PDCA模型，可以由企业按照计划梳理出来的；第二种是突发性指标，这类指标围绕着OODA模型，该类模型指标更多的是应对突发事件，我们工作的完备性；再有一类指标可以被称为挑战性指标，具有一定难度，需要考验团队的目标策略性。我们的业务展开正是基于这个逻辑。随着互联网的发展，其实面对挑战的是后两者的指标，我们需要打造的是产品个性化，输出即结果的服务。企业的核心不是产品形态的标准化，而是其模式的标准化，就像麦肯锡的方法论是其核心，运用该方法论可以为不同的企业进行多元化的咨询服务。

杨巍：那请问北极九章目前有多大比例直接卖产品，有多少比例是做个性化的服务？

沙海洲：我们公司只做纯产品，我们服务各个行业的大客户。我们认为虽然行业之间有各式各样的区别，但是数据是可以极致抽象的，只要你的产品标准化程度足够高，你就能够帮助客户解决他们的痛点。因为我们观察发现客户越来越理智，当需要用很高的成本解决20个需求和用极低的成本解决19个需求时，他们会选择后者。当然，我们也会和一些产业伙伴合作，包括专门做数据中台、做指标平台的企业，由他们来负责帮助客户解决一些个性化定制的需求。

杨巍：那请问北极九章如何评价不做BI只做Agent的澜码科技？

沙海洲：我觉得特别好。其实我们也看到许多在百模大战中走出来的公司都在做一些商业化的积极转变。我们近期正在对接的某客户就提出过一个想法，说有没有可能帮他们建立一个AI中台，用大模型的能力帮助他们在具体的业务场景下调用不同的小模型或应用，最终用大模型集中输出，这也是大模型技术落地的一种形式，其实很接近Agent。我们不建议只依赖某种特定的技术或者固定的一种产品。我个人也非常喜欢澜码这种走在技术前沿的公司，当然我们自己也在努力做走在技术前沿的公司。

杨巍：最后一个发言机会留给周总，澜码的BI要用别人的，你们准备怎么与他们竞争呢？

周健：为什么要和他们竞争呢？我前几天和一家做指标的合作伙伴聊天，对方担心说未来会不会不需要指标，不需要再做ETL数据仓库了，给出一句指令就一劳永逸了，但我个人认为这种情况不太会发生。我们每个时代都有自己时代的IT基础设施，会有越来越多新颖的东西。就像最初数据库其实仅仅用于银行和运营商的核心系统，是十几年前谷歌带进来的技术，所谓的大数据，后来我们才进一步开始分析用户行为数据等等。那其实今天大语言模型带给我们最重要的也是处理非结构化数据的能力，我们的聊天记录、零散的文本都得以被利用起来。不管是SQL还是Hadoop还是各种各样的指标，BI是利用数据的方法，我相信这是不会被替代的，但未来一定会有越来越多层面的东西，人应该被解放去做这些创新的事情。举个最简单的例子，我现在总算有一个Agent可以去计算我们公司的周报和销售的周报，可以利用大模型去理解周报并帮助我进一步做数据分析，最后给到我一些销售的线索。我们的计算会变得越来越便宜，越来越多的数据能够被利用起来，能够发挥越来越多的价值。人们应该去打黑神话悟空，而不是在Excel里面做算术盘数据，这是我们的观点。

活动最后的 happy hour环节，叁伍拾科技，杭州量智数据科技，九地AI以及人社部AIGC教材副主编、导师卢山也分别向现场观众介绍了自己在数据智能领域的实践和洞察，创业者和技术爱好者也在此环节展开了充分交流与展示。

本次沙龙由启迪之星（上海）、小即是大创新伙伴联合CCF（上海）中国计算机学会主办，由上海市女企业家协会科创专委会、上海数据集团、SMG团委共同协办，并得到来自亚马逊云科技云创计划、欧美同学会上海AI分会、S创Slush、复旦mba读书会、钛媒体、亿启云巢、SMG AI研习社、北大青年CEO俱乐部、LSE校友俱乐部、大连理工创业校友会、Datawhale、Llama中文社区上海站、五角场高新园、长阳创谷 、segmentfault 、上海AI爱好者俱乐部 、橘子联盟的大力支持。